EVALUACION DE LOS MODELOS DE PREDICCION DE FRACASO EMPRESARIAL EN EL SECTOR MANUFACTURERO COLOMBIANO EN LOS AÑOS 2010-2014 Presentado por: ELKIN GIOVANNI CALDERON CARDENAS Director de Trabajo Final: SILVIA PEREIRA DE CASTRO CASA NOVA Codirector de Trabajo Final: GERMAN GUERRERO CHAPARRO Presentado a: COMITÉ ASESOR DE LA MAESTRIA EN CONTABILIDAD Y FINANZAS UNIVERSIDAD NACIONAL DE COLOMBIA FACULTAD DE CIENCIAS ECONOMICAS MAESTRIA EN CONTABILIDAD Y FINANZAS BOGOTA D.C. 25 DE NOVIEMBRE DE 2016
54
Embed
EVALUACION DE LOS MODELOS DE PREDICCION … · ANALISIS ENVOLVENTE DE DATOS ... Modelos Bases (Beaver, ... modelos para predecir el fracaso empresarial en las empresas colombianas
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
EVALUACION DE LOS MODELOS DE PREDICCION DE FRACASO EMPRESARIAL EN EL SECTOR MANUFACTURERO COLOMBIANO EN LOS AÑOS 2010-2014
Presentado por:
ELKIN GIOVANNI CALDERON CARDENAS
Director de Trabajo Final:
SILVIA PEREIRA DE CASTRO CASA NOVA
Codirector de Trabajo Final:
GERMAN GUERRERO CHAPARRO
Presentado a:
COMITÉ ASESOR DE LA MAESTRIA EN CONTABILIDAD Y FINANZAS
UNIVERSIDAD NACIONAL DE COLOMBIA
FACULTAD DE CIENCIAS ECONOMICAS
MAESTRIA EN CONTABILIDAD Y FINANZAS
BOGOTA D.C.
25 DE NOVIEMBRE DE 2016
ii
TITULO DE TRABAJO FINAL
EVALUACION DE LOS MODELOS DE PREDICCION DE FRACASO EMPRESARIAL EN EL SECTOR MANUFACTURERO COLOMBIANO EN LOS AÑOS 2010-2014
iii
TABLA DE CONTENIDO
TITULO DE TRABAJO FINAL ................................................................................................................. ii
Este trabajo final buscar evaluar la capacidad de predicción de fracaso empresarial en los Modelos Bases (Beaver, Altman y Ohlson) en el sector manufacturero colombiano entre el año 2010 y 2014. Se Aplicaran los modelos de predicción de fracaso empresarial con la información financiera reportada en el SIREM de la Superintendencia de Sociedades de las empresas catalogadas como empresas manufactureras, para determinar si los modelos de predicción de fracaso empresarial de Beaver, Altman y Ohlson pueden predecir el fracaso empresarial o es requerido aplicar o replantear otro modelo actualizado para el sector manufacturero colombiano. El Análisis Envolvente de Datos DEA fue usado para la clasificación de las empresas sanas y fracasadas.
Palabras Clave: Modelos de Predicción, fracaso empresarial, Modelo de Altman, Modelo de Beaver, Modelo de Ohlson, Análisis DEA, sector manufacturero colombiano.
ABSTRACT
This Final Paper seeks to evaluate the predictive power of business failure bases models (Beaver, Altman and Ohlson) in the Colombian manufacturing sector for the period of 2010 to 2014. The Business failure predictive models will be applied to the financial information reported on SIREM (Superintendencia de Sociedades) by manufacturing companies to determine whether the Business failure predictive models of Beaver, Altman and Ohlson can predict the business failure of the Colombian manufacturing sector or if there is a need to propose an updated Business failure predictive model to Colombian manufacturing sector. The Data Envelopment Analysis was used to classify companies as bankrupt or wealthy.
Key Words: Business failure predictive models, Business failure, Altman, Beaver, Ohlson, DEA, Colombian manufacturing sector.
2
2. INTRODUCCION
Las empresas en cualquier parte del mundo se crean con el objetivo de obtener ganancias para ser autosustentables y poder perpetuarse a través del tiempo. También se espera que la empresa se expanda, crezca y sea cada vez más fuerte y rentable. No obstante, por diversos aspectos internos y externos que afectan actualmente a las empresas, muchas de ellas fracasan en el intento entrando en procesos de insolvencia, quiebra y posteriormente a su cierre. A partir de la segunda mitad del Siglo XX se ha buscado por medio del análisis de indicadores financieros, la forma de poder predecir si una empresa se encuentra bien, está en peligro o se puede considerar en fracaso empresarial. Con base en esta necesidad, algunos autores han desarrollado modelos para predecir el fracaso empresarial.
Autores como Beaver (1966), Altman (1968) y Ohlson (1980) han desarrollado modelos de predicción de fracaso empresarial con base en análisis empíricos y usando diferentes metodologías de análisis (Análisis Univariable en el modelo de Beaver, Análisis Discriminante Múltiple en el modelo de Altman y Análisis de regresión logística en Ohlson). Actualmente hay una gran cantidad de modelos planteados por diversos autores en diferentes partes del mundo. No obstante, se consideran los modelos de Beaver, Altman y Ohlson como los modelos bases ya que han sido los más estudiados, analizados por autores y de los cuales se han derivado una buena cantidad de otros modelos.
En Colombia, la investigación y los estudios sobre el tema de los modelos de predicción de fracaso empresarial es poca, aunque importante en el desarrollo de modelos que permitan predecir una situación de fracaso empresarial (Romero, 2013). Entre los trabajos más destacados en Colombia se encuentra el de Rosillo (2002), Martínez (2003), Villamil (2004), Castro & Camacho (2008) y tesis de grado en economía como el de Pérez, Gonzales & Lopera (2011) quienes han propuesto modelos de predicción de fracaso empresarial aplicados en Colombia. También hay trabajos como Berrío & Cabeza (2003) quienes propusieron un modelo alternativo a Altman para la Superintendencia de Sociedades. No obstante, aún queda mucho camino por desarrollar en el tema de análisis de predicción del fracaso empresarial en Colombia.
A pesar de las adaptaciones de los modelos realizados en Colombia y en el mundo son muy pocos los trabajos a nivel local que analicen, comparen y evalúen los modelos de predicción de fracaso empresarial en los diversos sectores económicos de cada país para determinar su capacidad de predicción. Por lo cual esta propuesta de trabajo final de maestría tendrá como propósito evaluar la capacidad de predicción de fracaso empresarial de los modelos base (Beaver, Altman y Ohlson) en el sector manufacturero colombiano. El trabajo final contiene:
Justificación
Objetivos
Marco teórico donde se entenderá la definición de fracaso empresarial con base en los términos y conceptos dados por diversos autores, así como la explicación de los Modelos de predicción de Beaver, Altman, Ohlson y un breve resumen de los modelos de predicción planteados en Colombia
3
Un marco Legal relacionado al fracaso empresarial en Colombia
Enfoque metodológico de la investigación
El desarrollo del trabajo final donde se explica la selección de la muestra, la clasificación entre empresas sanas y fracasadas mediante análisis envolvente de datos DEA, la aplicación de los modelos de predicción en la muestra determinada y su posterior comparación con los resultados obtenidos en la clasificación de empresas sanas y fracasada mediante DEA.
Los resultados finales al evaluar los modelos de Beaver, Altman y Ohlson, las conclusiones y recomendaciones.
4
3. PRESENTACION DEL PROBLEMA
Con el desarrollo de este trabajo final se buscó determinar si los modelos de Beaver, Altman y Ohlson tienen la capacidad de predecir el fracaso empresarial en el sector manufacturero colombiano del año 2010 al 2014 tomando los datos de los indicadores financieros con base en la información contable y financiera del año 2008 al 2014. Así mismo y con base en los resultados obtenidos, poder determinar cuál de los modelos de predicción revisados (y teniendo en cuenta su metodología de análisis) sería el mejor para predecir el fracaso empresarial en el sector manufacturero colombiano. O en caso que los resultados no sean favorables dejar abierta la posibilidad de una nueva investigación para desarrollar un nuevo modelo que pueda predecir el fracaso empresarial en el sector manufacturero colombiano, el cual pueda tomar como base los resultados de este trabajo, los trabajos de los modelos de predicción planteados a la fecha y trabajos que se han desarrollado como el de Romero (2013) donde analizan los principales indicadores financieros que inciden en el fracaso empresarial colombiano.
Los Modelos de predicción de fracaso empresarial permiten mediante análisis estadístico y con base en los estudios de las razones financieras de las empresas, determinar si una empresa es sana o está en riesgo de fracaso empresarial. Dichos modelos son de muy buena utilidad para las entidades de vigilancia y control en determinar si hay empresas en situación de fracaso y tomar acciones pertinentes para evitar su cierre. Las empresas que realizan operaciones de ventas a crédito, también tienen en los modelos de predicción una herramienta para determinar si un cliente se encuentra en buenas condiciones económicas para cumplir con sus futuras obligaciones. Incluso, la gerencia de cualquier empresa, puede evaluar por los modelos de predicción si su empresa (o grupos de empresas) se encuentran sanas financieramente o pueden estar en riesgo de fracasar, con el fin de tomar acciones tanto correctivas o preventivas.
Si bien, que exista una cantidad de Modelos de predicción tanto en Colombia como en diversas partes del mundo, se decidió en este trabajo tomar como modelos a evaluar los tres modelos más conocidos, los más estudiados y que son bases en el tema de modelos de predicción de fracaso empresarial: El modelo de Beaver (1966), el de Altman (1968) y el de Ohlson (1980). De esa manera poder determinar si a pesar del tiempo, la metodología de análisis planteada y el entorno donde fueron establecidos los modelos de predicción todavía pueden ser usados como modelos para predecir el fracaso empresarial en las empresas colombianas y sobre todo en el sector manufacturero.
De acuerdo con lo descrito en el párrafo anterior, las preguntas planteadas en este trabajo son las siguientes:
¿Cuál es la capacidad de los modelos de Altman, de Beaver y de Ohlson de predecir el fracaso empresarial en el sector manufacturero colombiano?
¿Cuál es el modelo con mejores resultados (mayor tasa de acierto) para predecir el fracaso empresarial en el sector manufacturero colombiano?
¿Es necesario desarrollar nuevas investigaciones que proponga un nuevo modelo de predicción de fracaso empresarial para el sector manufacturero colombiano actual?
5
4. JUSTIFICACION DEL OBJETO DE ESTUDIO
Como se mencionó previamente, se van a evaluar los tres modelos de predicción más conocidos y tradicionales que son el de Beaver (1966), de Altman (1968) y de Ohlson (1980) debido a que consideran los modelos-base en el tema de modelos de predicción de fracaso empresarial. Así mismo, la elección de los tres modelos permite también evaluar la metodología de análisis utilizada en cada uno de ellos. Beaver utiliza el análisis univariable, Altman utiliza el análisis discriminante múltiple, y Ohlson utiliza el análisis de regresión logística para determinar si una empresa es sana o fracasada. Además de la metodología y la importancia de los tres modelos, también se tuvo en cuenta que estos tres modelos pueden ser aplicados para empresas que no cotizan en Bolsa. Por lo cual podemos hacer su aplicación en el sector manufacturero colombiano donde la gran mayoría de las empresas no cotizan en bolsa.
La evaluación de los modelos base con información financiera del sector manufacturero entre el año 2010 al 2014 busca determinar si a pesar del tiempo que ha transcurrido desde el planteamiento de los modelos y los diferentes acontecimientos económicos y sociales de finales del Siglo XX y comienzos del Siglo XXI, aún poseen la capacidad en la predicción del fracaso empresarial en el sector manufacturero colombiano. Diversos autores han realizado las adaptaciones de los modelos al entorno local, justificando que los modelos bases son muy anticuados y no se adaptan al entorno local. Pero ninguno ha realizado análisis comparativo o ha evaluado los modelos para determinar si realmente los modelos-base aún posee la capacidad de predicción del fracaso empresarial. También se observa que los modelos propuestos en Colombia están mayormente fundamentados en los modelos-base (bien sea el de Altman o el de Ohlson) y no hay investigaciones posteriores que permitan aplicarlos, evaluarlos o actualizarlos. Por lo que quedan como una investigación más. Existen investigaciones como la de Romero (2013) quien hizo un trabajo determinando las ventajas y desventajas de los modelos más destacados así como las metodologías usadas y su posible aplicación en Colombia, siendo sin embargo un trabajo mayormente de consulta bibliográfica más no de evaluar la aplicación y capacidad de los modelos de predicción de fracaso empresarial en Colombia.
La elección del sector manufacturero colombiano se debe a que es uno de los sectores más dinámicos e importantes de la industria nacional. Pero también ha sido afectado por los diferentes acontecimientos y transformaciones económicas que han ocurrido en la primera parte del Siglo XXI que han llevado a muchas empresas del sector manufacturero a cerrar. Entre los principales acontecimientos que se tuvieron en cuenta para la elección de dicho sector son los siguientes:
Menor participación del PIB nacional: En los años 80, la industria manufacturera representaba el 22% del PIB, en los años 90 bajó al 17% y en lo que va transcurrido del siglo XXI su participación en el PIB nacional es de sólo 15%1. Aunque analistas y gremios
1 Información tomada del Artículo de Mauricio Reina, ¿Los TLC están acabando con la industria?, publicado en el Diario Portafolio el 15 de Agosto del 2013. Recuperado de: http://www.portafolio.co/columnistas/los-tlc-estan-acabando-la-industria
6
han considerado que este debilitamiento de la Industria Manufacturera no sólo se debe al fracaso del sector manufacturero si no en gran parte al crecimiento del sector Minero y de los Servicios que se ha presentado una mayor participación del PIB en las últimas décadas.
Volatilidad de la Tasa de Cambio: La tasa de Cambio ha tenido muchos altibajos en los últimos años (TRM cierre 2009: $ 2.044,23; 2010: $ 1.913,98; 2011: $ 1.942,70; 2012: $ 1.768,23; 2013: $ 1.926,83; 2014: $ 2.392,462) lo cual ha afectado a las empresas manufactureras que se dedicaban a la exportación. Entre el período 2010-2014 a analizar. Tuvo una caída al 2012 considerable, que afectó a muchas empresas, las cuales no pudieron competir por el encarecimiento de sus productos, así mismo la importación de productos que llegaban a precios más bajos afectaron la competitividad de muchas empresas, las cuales llevaron a su quiebra y cierre.
Nuevos acuerdos comerciales: Con la apertura económica desarrollada durante la Administración de Cesar Gaviria Trujillo (1990-1994) han llegado nuevos productos del exterior a competir con los productos nacionales y generar una mayor variedad para los consumidores colombianos. Como resultado, muchas industrias no lograron sobrevivir a la competencia, y sectores enteros de producción desaparecieron3. A pesar de lo ocurrido, Colombia aún ha mantenido algunas restricciones comerciales por medio de impuestos y aranceles, por lo cual la apertura económica aún no es total. Para lograr el proceso de apertura total, Colombia ha venido firmando nuevos acuerdos comerciales con diferentes países y bloques económicos, actualmente posee 14 acuerdos comerciales vigentes4 y 4 suscritos pero aún no vigentes5. Los acuerdos comerciales y TLC han sido vistos como una gran oportunidad para algunas empresas y sectores empresariales. Pero ha sido visto también como una amenaza por otros sectores. Especialmente en los sectores manufactureros y agrícolas, los cuales no se prepararon para enfrentar la llegada de productos externos más competitivos. Esta situación se observa en la Balanza Comercial Colombiana, que en el 2010 poseía una Balanza Comercial favorable de 1.559 millones de dólares FOB a una Balanza comercial desfavorable de 6.292 millones de dólares FOB en el 20146. Muchos industriales culpan a los acuerdos comerciales de su fracaso y exigen mediante restricciones y subsidios mitigar el problema. Otros consideran que deben replantear sus estrategias para asumir los nuevos retos y lograr beneficiarse de los acuerdos suscritos y por suscribir.
2 Datos Obtenidos de la página web del Banco de la República www.banrep.gov.co 3 Citado de Subgerencia Cultural del Banco de la República. (2015). Apertura económica. Recuperado de:
6 Información Tomada del Departamento Administrativo Nacional de Estadística (DANE).
7
Ingreso de empresas manufactureras a la Ley de Insolvencia Empresarial (Ley 1116 de 2006): Según datos de la Superintendencia de Sociedades, desde la aplicación de la Ley 1116 del 2006 o llamada ley de insolvencia empresarial, 857 empresas se han acogido a dicha ley en el período 2007 al 28 de Febrero del 20147. Siendo el sector manufacturero con 158 empresas el segundo sector con mayores empresas en proceso de reorganización con la Ley de Insolvencia Empresarial (sólo superada por el sector comercial con 208) o sea 35% del total de las empresas acogidas a la Ley. Esto demuestra que el sector manufacturero tiene una cantidad considerable de empresas con fracaso empresarial y se han decidido acogerse a la ley para evitar su cierre.
Problemas políticos con países vecinos: Las empresas manufactureras han sido perjudicadas con las crisis presentadas con los países vecinos. Las diferencias políticas, económicas y las decisiones y encuentros sobre actores que inciden negativamente en cada uno de los países, han llevado a los presidentes de los países vecinos a tomar medidas en contra de Colombia. Desde el bloqueo económico impuesto por Venezuela hasta la imposición de aranceles a productos colombianos por parte de Ecuador, han perjudicado la industria manufacturera nacional que ha llevado a la quiebra y cierre de muchas manufacturas quienes dependían de la exportación a los países vecinos. Otros han tenido que competir en el mercado local o aprovechar los acuerdos comerciales, pero ingresan en condiciones diferentes que pueden llevarlas al fracaso.
Los acontecimientos descritos anteriormente justifican la elección del sector manufacturero colombiano quien se ha visto muy fuertemente afectado en los últimos años y con la evaluación del sector con los modelos de predicción de fracaso empresarial permitiría observar si estos acontecimientos que afectaron el sector en el Siglo XXI afectan la capacidad de predicción de los modelos. La importancia de los tres modelos-base más estudiados, la evaluación de las diferentes metodologías usadas en cada modelo, la ausencia de trabajos que evalúen y comparen los tres modelos base de predicción de fracaso empresarial en Colombia (aunque hayan trabajos que platean modelos a partir de los tres modelos base), la antigüedad de los modelos base y los diferentes acontecimientos económicos y sociales que han afectado al sector manufacturero colombiano en los últimos años son las principales justificaciones para desarrollar el trabajo sobre la evaluación de los modelos de predicción de fracaso empresarial en el sector manufacturero colombiano. Por lo que permita con los resultados obtenidos dejar evidencia que antes de plantear nuevos modelos fundamentados en Beaver, en Altman y en Ohlson se ha realizado, en Colombia, una revisión de su capacidad predictiva.
7 Tomado de la Superintendencia de sociedades: En el último año más de 210 empresas se han acogido al proceso de reorganización, el objetivo: evitar la quiebra http://www.supersociedades.gov.co/noticias/Paginas/En-el-ultimo-anio-mas-de-210-empresas-se-han-acogido-al-proceso-de-reorganizacion-el-objetivo-evitar-la-quiebra.aspx
8
4.1. DELIMITACION TEMPORAL
La delimitación temporal es de la información contable y financiera de las empresas del sector manufacturero colombiano del 2010 al 2014. Para la aplicación de los modelos se tomará la información contable y financiera del año 2008 al 2014. Si bien se evaluarán los años del 2010 al 2014, el modelo de Ohlson requiere información contable de dos años anteriores, por lo que la muestra deberá abarcar información desde el año 2008.
4.2. DELIMITACION ESPACIAL La delimitación espacial considera empresas colombianas del Sector Catalogado como Industrias Manufactureras según la base de datos del SIREM de la Superintendencia de Sociedades.
9
5. OBJETIVOS
5.1. OBJETIVO GENERAL
Evaluar la capacidad de predicción del fracaso empresarial de los modelos de Beaver, de Altman y de Ohlson en el sector manufacturero colombiano con base en la información financiera del año 2010 al 2014.
5.2. OBJETIVOS ESPECIFICOS
Comprender el concepto de fracaso empresarial con base en la terminología y estudios realizados por diversos autores y el marco legal colombiano.
Analizar las diferentes metodologías aplicadas en los modelos de predicción de fracaso empresarial seleccionados para la evaluación.
Clasificar bajo criterios establecidos, las empresas fracasadas de las empresas sanas para la aplicación de los modelos y la evaluación de los mismos.
Aplicar los modelos de predicción de fracaso empresarial de Beaver, de Altman y de Ohlson con la información financiera del sector manufacturero colombiano para cada uno de los años indicados (2010-2014), con base en la información contable y financiera del año 2008 al 2014.
Comparar los resultados por cada modelo en los periodos aplicados con los criterios de clasificación de empresas sanas y fracasadas para evaluar la capacidad de predicción de los modelos.
10
6. FUNDAMENTACION TEORICA
Para la fundamentación teórica, se desarrollará en 5 temas claves. Se hace una breve descripción del fracaso empresarial, así como los diversos términos que se emplean en los modelos como quiebra, bancarrota, insolvencia, y fragilidad para determinar sus similitudes para dar una definición personal de fracaso empresarial. Posteriormente se hará una revisión teórica de los modelos de fracaso empresariales más reconocidos, así como los modelos realizados en Colombia. También se hará una revisión a nivel normativo del fracaso empresarial en Colombia. Se evaluarán los diferentes estudios a nivel mundial sobre la aplicación, comparación y evaluación de los modelos base de predicción de fracaso empresarial y sus resultados y por último se dará una breve explicación del Análisis Envolvente de Datos (DEA) utilizado para la clasificación de empresas sanas y fracasadas.
6.1. DEFINICIÓN DE FRACASO
El término fracaso empresarial no se puede definir de una forma exacta ya que los diversos
autores e investigadores que han planteados los modelos e investigado del tema han aportado
diferentes definiciones. Se ha empleado términos similares como quiebra, bancarrota o
fragilidad para determinar modelos y realizar investigaciones. Lo cual nos lleva a una
heterogeneidad terminológica (Romero, 2013).
Los diferentes autores han aplicado diversos términos estableciendo definiciones que varían por
cada autor. Romero (2013) hizo una revisión de cada uno de los principales autores
determinando qué concepto aplican y su definición. Los resultados se pueden analizar en la
Tabla 1.
Tabla 1. Diferentes Definiciones de Fracaso Empresarial
AUTOR TERMINO DEFINICION
Beaver, 1966 Fracaso Dificultad para atender deudas (Obligaciones financieras).
Altman, 1968 Quiebra Catalogadas legalmente en quiebra.
Deakin, 1972 Fracaso Situación de quiebra, insolvencia.
Ohlson, 1980 Quiebra Legalmente en quiebra.
Altman, 1981 Quiebra Insolvencia técnica-falta de liquidez.
Taffler, 1982 Fracaso Liquidación Voluntaria, orden legal de liquidación o
intervención estatal.
11
AUTOR TERMINO DEFINICION
Zmijewski, 1984 Quiebra Quiebra legal.
Zavgren, 1985 Quiebra Quiebra legal, suspensión de pagos.
Lo, 1986 Quiebra Legalmente en quiebra.
Laffarga, J., Martin J.,
Y Vásquez, M., 1987
Fracaso Considerado como la intervención del banco por parte de las
autoridades monetarias, en concreto, por el Fondo de
Garantía de Depósitos.
Goudie, 1987 Fracaso Liquidación voluntaria o judicial.
Altman, 1988 Quiebra No pueda hacer frente a sus obligaciones con los acreedores.
Theodossiou, 1993 Quiebra Insolvencia, legalmente en quiebra.
García, Arques y
Calvo-Flores, 1995
Fracaso Empresa que no cumple ni con el nominal y/o intereses de
un crédito.
Lizarraga, 1997 Fracaso Empresas que hayan solicitado apertura de expediente
concursal de suspensión de pagos.
Correa, Acosta,
González, 2003
Quiebra Patrimonio negativo o quiebra técnica.
Platt y Platt, 2004 Fracaso Fracaso financiero.
Calvo, García, Madrid,
2006
Fracaso Riesgo financiero alto.
Rubio Misas, 2008 Quiebra Patrimonio negativo o quiebra técnica.
Davydenko, 2010 Fracaso Situación patrimonial refleja un valor reducido en los activos
o escasez del flujo de caja.
Fuente: Romero (2013)
Como se observa en las definiciones, se emplea mayormente los términos de fracaso y
quiebra, los cuales se enfocan en terminología legal y jurídica, así como en la reducción de
los activos fijos, poca liquidez e incumplimiento de pagos. Romero (2013) establece tres
aproximaciones al concepto de fracaso con base en las definiciones analizadas que se
definen en la Tabla 2.
A nivel Colombia también se emplean diversos términos para referirse a temas similares de
fracaso empresarial, tal como se observa en la Tabla 2.
12
Tabla 2. Diferentes Definiciones de Fracaso Empresarial en Colombia
AUTOR TERMINO DEFINICION
VIllamil, 2004 Insolvencia No hace definición personal pero toma las definiciones de
Altman (1968) y LEV (1978).
Rosillo, 2002 Quiebra Situaciones en peligro que llevan a una quiebra
Ley 1116 de 2006 Insolvencia El deudor se ve en la imposibilidad de pagar sus deudas y
cumplir sus obligaciones cuando vencen los plazos.
Martínez, 2003 Fragilidad La empresa ingresó en un acuerdo de restructuración de
pagos o liquidación obligatoria.
Pérez, González,
Lopera, 2013
Fragilidad Situación en la que la empresa tiene grandes
probabilidades de llegar a la bancarrota y por ende a la
quiebra.
Berrío, Cabeza, 2003 Quiebra El autor no realiza una definición exacta del término.
Castro, Camacho,
2008
Insolvencia El autor no realiza una definición exacta del término.
Romero, 2013 Fracaso Incapacidad de pagar las deudas u obligaciones en los
momentos convenidos.
Declaración legal de suspensión de pagos o quiebra.
Situación patrimonial precursora del fracaso futuro.
Fuente: Elaboración propia
Observamos que hay variedad de definiciones, aunque sólo recientemente se ha venido
empleando el término de fracaso empresarial y en las investigaciones previas se ha venido
implementando mayormente los términos de quiebra, fragilidad e insolvencia, con unas
definiciones bastante ligadas a lo alcance jurídico y legal, un caso bastante similar a los
autores externos.
Con base en lo analizado, podemos definir que el fracaso empresarial es una situación
adversa de la empresa que conlleva a la quiebra o bancarrota, bien sea por dificultad de
cumplir sus obligaciones o el deterioro de su patrimonio. Si bien los términos como
insolvencia, quiebra y fragilidad se encuentran específicos en aspectos legales y de
cumplimiento de deudas, pueden ser abarcados dentro de la terminología de fracaso
empresarial. De hecho, los autores españoles como García o Calvo (1995) usan el término
13
de fracaso más que el de quiebras o insolvencia que se ha venido realizando en las
investigaciones colombianas.
Con respecto a los modelos evaluados (Beaver, Altman y Ohlson) se observa que en los
modelos de Altman y de Ohlson el término usado es quiebra y lo asocian a la terminología
legal que en la Ley 1116 de 2006 es cuando un deudor se ve en la imposibilidad de pagar
sus deudas y cumplir sus obligaciones cuando vencen los plazos, un término muy similar al
de fracaso de Beaver. Por lo cual los tres modelos-base enfocan su definición en la falta de
solvencia y liquidez.
6.2. MODELOS DE PREDICCIÓN DE FRACASO EMPRESARIAL
Los modelos de predicción son herramientas matemáticas que permiten medir la
probabilidad, con base en los indicadores financieros, de una empresa quebrar, estar en
riesgo de quiebra o estar sana.
Los modelos de predicción según Dietrich (1984)8 poseen dos principales objetivos:
● Establecer relaciones estadísticas entre los resultados de los índices financieros y la
solvencia o insolvencia de la empresa, reflejando en un sólo parámetro su nivel de
riesgo.
● Prever el fracaso empresarial y, por tanto, asistir a los usuarios en toma de
decisiones.
Los primeros modelos de predicción conocidos se basan en el análisis univariable (Beaver,
1966). Posteriormente fue usado el análisis discriminante múltiple (Altman, 1968) y el
análisis de regresión logística (Ohlson, 1980). También se han desarrollado modelos de
predicción mediante inteligencia artificial (Dutta y Shekkar, 1988) aunque no son muy
comunes.
Los modelos de predicción de fracaso empresarial poseen algunos problemas en su
aplicación. Según Villamil (2004) los problemas más comunes son:
● Selección y clasificación de las empresas;
● Selección de un horizonte temporal;
● Selección de los indicadores relevantes;
● Cumplimiento de los supuestos.
8 Citado por Villamil (2004), MODELOS MULTIVARIADOS PARA LA PREDICCIÓN DE INSOLVENCIA
EMPRESARIAL. UNA APLICACIÓN AL CASO COLOMBIANO. Pág. 32.
14
En la selección de empresas algunos autores como Villamil (2004) sugieren que debe haber
un equilibrio entre empresas sanas y fracasadas, algo que en la realidad no se cumple
debido a que existen más empresas sanas que fracasadas y muchas de las empresas
fracasadas no poseen información completa para la muestra, por lo cual es muy importante
que el analista haga una buena selección de la muestra. Otros autores proponen muestras
representativas de la realidad con una mayor proporción de empresas sanas que fracasadas.
Generalmente las entidades de vigilancia y control como la Supersociedades poseen un
listado de empresas que se encuentran en proceso de liquidación o quiebra por lo cual ha
sido usado como indicador para las empresas fracasadas. Otros analistas han determinado
las empresas fracasadas con base en el análisis de algunos indicadores financieros como son
de liquidez, endeudamiento y rentabilidad. En los casos en que la proporción de empresas
fracasadas es muy baja frente a las sanas sería considerable realizar análisis de eficiencia
como el Análisis Envolvente de Datos (DEA) para poder realizar una apropiada clasificación
de empresas sanas y fracasadas.
EL horizonte temporal nos indica que debe haber un escenario idéntico entre las empresas
seleccionadas y el sector, de modo que no se presenten distorsiones en los resultados.
Otro tema importante es el uso de los indicadores relevantes. Los diferentes autores y
analistas, han tomado los indicadores para plantear sus modelos con base en el análisis
empírico ya que no hay una teoría económica suficiente del mismo (Mateos, Marín, Marí,
& Seguí, 2011)9. Por lo cual, muchos modelos de predicción establecen diferentes
indicadores relevantes para el análisis. Romero (2013) realizó un listado de los principales
indicadores utilizado por los autores en sus modelos de predicción de fracaso empresarial,
siendo el indicador Utilidad Neta/Activo Total el más utilizado por los autores, seguido por
el Activo Corriente/Pasivo Corriente y el Capital de Trabajo/Total Activo.
Por último, es esencial el cumplimiento de los supuestos que posee cada modelo. De
acuerdo con los modelos de análisis discriminante múltiple, modelos de regresión logística
deben cumplir parámetros estadísticos entre la media y la varianza para no generar
resultados sobredimensionados10.
En general los modelos emplean indicadores financieros basados en la información contable
de cada empresa, por lo cual el análisis es completamente cuantitativo y no toman variables
cualitativas para la obtención de resultados. Los principales indicadores financieros usados
9 Citado por Romero (2013) Alcances y limitaciones de los modelos de capacidad predictiva en el análisis del
fracaso empresarial, Revista AD-minister. (23). Pág. 46.
10 Para mayor profundización del cumplimiento de los supuestos a nivel estadístico puede consultado en
Villamil (2004), MODELOS MULTIVARIADOS PARA LA PREDICCIÓN DE INSOLVENCIA EMPRESARIAL. UNA APLICACIÓN AL CASO COLOMBIANO. Pág. 34-35.
15
son los de rentabilidad, liquidez, endeudamiento y solvencia, así mismo como mediciones
multidimensionales, como los ingresos y el flujo de efectivo, los cuales prevalecen como los
indicadores más importantes (Altman y Hotchkiss, 2006)11.
Actualmente existe una diversidad de modelos a nivel mundial, así como adaptaciones de
los modelos conocidos a situaciones locales de cada país. Los primeros autores que
consideran el tema de fracaso empresarial fue Beaver (1966), con base en el análisis
univariable donde se consideraban los ratios financieros o predictores uno a uno (Romero,
2013) y Altman (1968), que desarrolló un modelo de predicción con base en el análisis
discriminante múltiple donde se analizaba diferentes variable llegando a una única función
discriminante llamada en la mayoría de los casos Función Z. Posteriormente salieron
trabajos como Deakin (1972), Traffler (1982), Laffarga, Martin y Vásquez (1987), Goudie
(1987), Lizarraga (1987), Fernando y Blanco (1998), Xu y Chang (2009) entre otros, basados
en el análisis discriminante múltiple.
El análisis discriminante múltiple que aún se ha planteado en nuevos modelos, poseía
algunas restricciones que limitan la validez de sus resultados. Mateos et al. (2011) establece
algunas restricciones como son:
● Distribución normal a las variables independientes;
● La matriz de covarianzas y varianzas era igual para empresas fracasadas y no
fracasadas;
● Asume el error específico en la clasificación inicial y el coste asociado.
Teniendo en cuentas estas restricciones, Ohlson (1980) desarrolla un modelo de predicción
basado en el análisis de regresión Logística (Logit) donde las variables independientes
pueden ser discretas y continuas, y el proceso de cálculo de las probabilidades está basado
en el ratio de máxima verosimilitud (Mora, 1994; Ohlson, 1980). En este tipo de análisis
Logit la variable dependiente se expresa como una respuesta binaria no lineal (0 o 1), en
donde se busca determinar la probabilidad que un elemento pertenezca a un grupo
determinado. El trabajo de Lo (1986) afirma que la metodología Logit es más robusta que el
análisis discriminante, ya que es aplicable a una más amplia gama de distribuciones que la
normal y no necesita de suposiciones tan restrictivas. Además de Ohlson, otros autores
como Zmijewski (1984), Zavgren (1985), Laffarga, Martín y Vásquez (1987), Platt y Platt
(1991), Lizarraga (1997), Ferrando y Blanco (1998), Calvo-Flores, García y Madrid (2006) y
11 Citado por Vargas J., Barrett M., Caldero J. (2013) Modelos para la Prevención de Bancarrotas
Empresariales utilizados por el sector empresarial costarricense
16
Xu y Chang (2009) han diseñado nuevos modelos con base en el análisis de regresión
logística, siendo el más usado y que mejores resultados ha dado.
En los últimos años, se han venido desarrollando nuevos tipos de modelos basados en
nuevas herramientas de análisis. La inteligencia artificial, mediante las redes neuronales y
los árboles de decisión han sido usados para predecir el fracaso empresarial. Entre los
estudios más importantes está el de Dutta y Shekkar (1988) y Odom y Sharda (1999).
Para el trabajo, se tomarán los tres modelos más reconocidos que son el de Beaver (1966),
de Altman (1968) y de Ohlson (1980) por las siguientes razones:
● Usan una metodología de análisis distinta por lo cual permite comparar cada una
de las metodologías.
● Son los más reconocidos a nivel mundial (de estos trabajos se han derivado la mayor
parte de los modelos existentes).
● Tienen aplicación para empresas que no cotizan en Bolsa, por lo cual puede ser
aplicado a las empresas colombianas.
6.2.1. MODELO DE BEAVER: ANALISIS UNIVARIABLE
El Modelo de Beaver (1966) fue planteado por William Beaver, quien analizó los estados
financieros de 79 empresas que estaban en bancarrota de 38 industrias diferentes con base
en los datos de Moody's Industrial Manual así como un número similar de empresas que no
están en bancarrota de una lista de 12.000 empresas.
Beaver analizó 30 indicadores financieros de cada empresa por medio del flujo de efectivo
estableciendo 6 grupos diferentes (Indicadores de Flujo de Caja, Ingreso Neto, Deuda Total
En esta nueva fórmula, fue Cambiada la variable 𝑋4 donde ya no se toma el valor de
mercado de la acción sino el valor contable del patrimonio. Posteriormente, Altman &
Hotchkiss (2006) ajustaron el modelo para poderlo usar en empresas de países emergentes
siendo aplicado inicialmente en México. El modelo fue modificado con base en los
siguientes aspectos:
● La vulnerabilidad de la compañía con respecto a la devaluación de la moneda
● Su afiliación a la industria;
● Su posición competitiva en la industria.
La nueva fórmula quedó de la siguiente manera:
𝑍 = 6.56𝑋1 + 3.26𝑋2 + 6.72𝑋3 + 1.05𝑋4 + 3.25
Donde:
𝑋1= Capital de trabajo / Total Activo
𝑋2= Utilidades retenidas / Total Activo
𝑋3= Utilidad operativa / Total Activo
𝑋4= Valor contable del Patrimonio / Total Pasivo
De acuerdo con la fórmula:
20
Z < 4.15 = Alta probabilidad de Quiebra
4.15 < Z < 5.85 = Zona Gris o incierta
Z > 5.85 = Baja probabilidad de Quiebra
Este nuevo modelo ha sido aplicado en países latinoamericanos, Por lo cual al ser más
cercano a la realidad colombiana y ser un modelo bastante reciente al inicialmente
planteado, se tomará como fórmula a probar en la evaluación de los modelos.
6.2.3. MODELO DE OHLSON: ANALISIS DE REGRESION LOGISTICA
En 1980 James A. Ohlson desarrolló un modelo de predicción de fracaso empresarial que a
diferencia del Modelo de Altman. Este usó el análisis de regresión logística. Para su estudio
emplea 150 empresas en quiebra y 2.085 empresas sanas, tomando la información de los
estados financieros reportados en el 10-K en Estados Unidos.
Entre los principales hallazgos del Modelo de Ohlson, Vargas (2013) identifica cuatro
factores estadísticos que afectan las probabilidades de bancarrota, entre ellos:
● El tamaño de la compañía;
● Medida del desempeño;
● Medida de la estructura financiera;
● Medida de liquidez.
La fórmula planteada por Ohlson es la siguiente:
𝑌 = −1.32 − 0.407𝑙𝑛(𝑇𝐴𝑡) + 6.03𝑇𝐿𝑡
𝑇𝐴𝑡− 1.43
𝑊𝐶𝑡
𝑇𝐴𝑡+ 0.0757
𝐶𝐿𝑡
𝐶𝐴𝑡− 1.72𝑋 − 2.37
𝑁𝐼𝑡
𝑇𝐴𝑡
− 1.83𝐹𝐹𝑂𝑡
𝑇𝐿𝑡+ 0.285𝑌 − 0.521
𝑁𝐼𝑡 − 𝑁𝐼𝑡−1
|𝑁𝐼𝑡| + |𝑁𝐼𝑡−1|
Donde:
21
TA = Total Activos15
TL = Total Pasivos
WC = Capital de Trabajo
CL = Pasivos Corrientes
CA = Activos Corrientes
X= 1 Si TL > TA, en caso contrario o
NI= Ingreso Neto
FFO=Flujo de Caja de Operaciones
Y= 1 si dio pérdida neta en los últimos 2 años, de lo contrario 0.
La fórmula Y o también conocida como O-Score se usa para calcular la fórmula final para
predecir la probabilidad de fracaso en una empresa. La fórmula para hacer la predicción es
la siguiente:
𝑃 =𝑒𝑦
1 + 𝑒𝑦
De acuerdo con la fórmula:
P > 0.5 = Alta probabilidad de Fracaso
Error tipo I: Clasificar a una empresa en “baja probabilidad de quiebra” cuando está en
quiebra.
Error tipo II: Clasificar una empresa en “alta probabilidad de quiebra” cuando no está en
quiebra.
Ohlson concluye que el poder de predicción de cada modelo depende de la disponibilidad
de la información que se obtiene y además el poder de predicción de la transformación
lineal de un vector de proporciones parece ser muy robusto a través de procedimientos de
estimación con muestras grandes, lo cual considera que se pueden hacer mejoras, pero para
ello es necesario hacer modelos de predicción adicionales.
15 En el Modelo Inicial se planteaba el TA como tamaño o size como el Total de los Activos Sobre el Producto
Nacional Bruto Índice de Precios, el cual Ohlson uso base 100 para 1968.
22
6.2.4. MODELO DE PREDICCION DE FRACASO EMPRESARIAL PROPUESTOS EN COLOMBIA
El tema de los modelos de predicción de fracaso empresarial en Colombia ha sido muy corto,
aunque se pueden considerar importantes. Los primeros modelos de predicción de fracaso
empresarial datan de inicios del Siglo XXI. Los trabajos que hay acerca de los modelos de
fracaso empresarial han dado aportes importantes para seguir desarrollando este tema en
futuras investigaciones.
Los principales autores que han diseñado modelos de predicción de fracaso empresarial en
Colombia se detallan en la Tabla 4.
Tabla 4. Resumen Modelo de Predicción de Fracaso Empresarial en Colombia
AUTOR METODOLOGÍA USADA EN EL
MODELO
TAMAÑO DE LA MUESTRA
SELECCION DE EMPRESAS FRACASADAS
RESULTADOS OBTENIDOS (% ACIERTO)
Rosillo, 2002
Análisis Discriminante Múltiple
106 empresas (80 para el diseño y 26 para probar el modelo). 50 sanas y 30 fracasadas.
Indicadores de Prueba Ácida, Endeudamiento y rentabilidad del Activo
94% Sanas, 87% Fracasadas. Bueno para el autor
Berrío, Cabeza, 2003
Análisis Discriminante Múltiple
622 empresas. 573 sanas y 49 fracasadas.
Base de datos de la Supersociedades de empresas en liquidación.
77.1% Acierto en el último año analizado. Aunque es bajo, es superior al 67.25% de acierto establecido en el modelo de Altman.
Martínez, 2003
Análisis de Regresión Logística
9.000 empresas. 8.829 sanas y 171 fracasadas.
Información con base en la Ley 550 de 1999.
82.75% Sanas, 80.42% Fracasadas usando los resultados del Modelo 2 que dio mejores aciertos. El autor considera que aunque es bueno el resultado no es suficiente para predecir el fracaso.
Villamil, 2004
Análisis Discriminante Múltiple / Análisis de Regresión Logística
448 empresas (381 para el diseño y 67 para probar el modelo). 209 sanas y 172 fracasadas.
Indicadores de liquidez, endeudamiento y rentabilidad.
95.5% Sanas, 94% Fracasadas en el modelo de análisis discriminante múltiple. 93.2% Sanas, 91.3% fracasadas con análisis de regresión logística. Los resultados son superiores a lo esperado.
Castro, Camacho, 2008
Análisis de Regresión Logística
21.893 empresas (15.407 para el diseño y 6.486 para probar el modelo).
Información suministrada a la Supersociedades
75.3% Sanas, 72.5% Fracasadas. El autor considera los resultados aceptables.
23
AUTOR METODOLOGÍA USADA EN EL
MODELO
TAMAÑO DE LA MUESTRA
SELECCION DE EMPRESAS FRACASADAS
RESULTADOS OBTENIDOS (% ACIERTO)
15.265 sanas y 142 fracasadas.
Pérez, González, Lopera, 2013
Análisis de Regresión Logística
25.756 empresas. 25.125 sanas y 631 fracasadas
Base de Datos de la Supersociedades de empresas en concordato, liquidación, reorganización o restructuración.
88.88% Sanas, 77.41% Fracasadas. Los autores consideran bueno el resultado ya que es superior al 70% teniendo en cuenta la calidad de la base de datos.
Fuente: Elaboración Propia
Como se puede observar de la Tabla 6, se han realizado en Colombia modelos basados en
el análisis discriminante múltiple y el análisis de regresión logística. Aunque más
recientemente se ha usado el análisis de regresión logística para los nuevos modelos. Así
mismo se observar que para determinar las empresas fracasadas de las sanas se toman
datos de la Superintendencia de Sociedades y sólo pocos modelos como el de Villamil (2004)
y Rosillo (2002) se ha obtenido con base de indicadores financieros.
También hay algunas características en la selección de la muestra. Donde modelos como
Martínez (2003), Castro & Camacho (2008) y Pérez, González & Lopera (2013) emplean una
muestra muy amplia, aunque todos los modelos tienen en común que las bases de datos
fueron obtenidas de la Superintendencia de Sociedades. La selección de empresas
fracasadas tiene características especiales: sólo Rosillo (2002) y Villamil (2004) emplean los
indicadores financieros para determinar el grupo de empresas en quiebra, mientras que los
demás usan la información de las empresas en ley de insolvencia empresarial determinada
por la Superintendencia de Sociedades.
En los resultados obtenidos, se observa que los modelos de predicción de fracaso
empresarial propuestos han superado el 70% de los aciertos, tanto en las empresas sanas
como en las fracasadas, aciertos que en la mayoría de los autores han considerado buenas
para predecir el fracaso empresarial. No obstante, y como comentó Martínez (2003) en sus
resultados, esto no es suficiente para predecir el fracaso empresarial en empresas
colombianas. Así mismo en consultas con algunos autores, han considerado que sus
modelos requieren ajustes para poder predecir el fracaso empresarial en la actualidad
nacional.
24
6.3. MARCO LEGAL COLOMBIANO EN EL FRACASO EMPRESARIAL
El tema de fracaso empresarial en el marco legal colombiano tiene sus inicios en el Código
del Comercio (Decreto 410 de 1971) que en Libro Sexto de Procedimientos. Estableció los
procedimientos para hacer Concordato Preventivo Y Obligatorio en el Título I (cuando el
comerciante haya suspendido o tema suspender el pago corriente de sus obligaciones
mercantiles) y para la Quiebra en el Título II (cuando el comerciante que sobresea en el pago
corriente de dos o más de sus obligaciones comerciales).
El decreto 350 de 1989 deroga todo lo relacionado al Tema del Concordato del Código de
Comercio y establece un nuevo reglamento para los concordatos, permitiendo flexibilizar el
pago de las deudas con terceros y se asignó competencias jurisdiccionales específicas a la
Superintendencia de Sociedades (Castro, Camacho, 2009) también mantiene los dos tipos
de concordato (Concordato preventivo y obligatorio).
Los temas de quiebra establecidos en el Código de Comercio fueron derogados por la Ley
222 de 1995. En esta nueva ley se cambia el término de quiebra por Liquidación Obligatoria
y entrega facultades a la Superintendencia de Sociedades. Se nombra un liquidador y una
junta asesora del liquidador.
La crisis económica de 1999 afectó a un gran número de empresas llevándolas al
incumplimiento de sus obligaciones y por ende entran en una situación de quiebra que
buscaron acogerse al proceso concordatario. Para hacer más eficiente este proceso se creó
la Ley 550 de 1999 el cual cambia la normatividad de la insolvencia y hace un cambio de los
concordatos por acuerdos de reestructuración. Con los acuerdos de reestructuración el
proceso se vuelve más administrativo que jurídico y agiliza los trámites entre las partes. No
obstante este acuerdo era de Carácter temporal por cinco años y fue prorrogado por un año
más (Castro, Camacho 2009).
Pasado el tiempo de vigencia y con la economía colombiana en proceso de recuperación, se
ajusta la norma y como resultado se crea la Ley 1116 de 2006 o llamada “NUEVO RÉGIMEN
DE INSOLVENCIA EMPRESARIAL” el cual da los lineamientos para que un deudor (sea
persona natural o jurídica16) que se viera en la imposibilidad de pagar sus deudas y cumplir
sus obligaciones cuando vencen los plazos, pudiera acogerse al régimen de insolvencia y
poder así satisfacer colectivamente las reclamaciones pendientes. Así mismo la nueva Ley
de Insolvencia busca proteger el crédito y conservar o recuperar la empresa viable, por
medio de procesos de reorganización y de liquidación Judicial.
16 La Ley 550 de1999 no aplicaba para personas Naturales. Sólo para empresas.
25
La nueva Ley 1116 de 2006 cambia el término de “reestructuración” a “reorganización” que
se refiere a que el deudor pueda superar sus dificultades financieras y poder reanudar sus
operaciones normales aun cuando deba reducir su capacidad. En caso de no superar las
dificultades se sometería a procedimiento de liquidación judicial. Para acogerse a dicha Ley,
los deudores deben cumplir unos requisitos especiales entre los cuales estar al día en
pasivos fiscales y pensionales y un plan de recuperación de la empresa.
Actualmente la Superintendencia de Sociedades cuenta con una delegatura para
procedimientos de insolvencia17 en cabeza de un Superintendente Delegado para
procedimientos de insolvencia. Y separadas en los siguientes grupos:
● Grupo de Liquidaciones: adelantar procesos de liquidación judicial y obligatoria, en
los cuales se persigue la liquidación pronta y ordenada, buscando el
aprovechamiento del patrimonio del deudor.
● Grupo de Intervenidas: determinar si existen hechos objetivos o notorios que
configuren captaciones masivas y habituales de dineros del público no autorizadas
por autoridad competente y efectuar la toma de posesión para devolver las sumas
de dinero aprehendidas o recuperadas.
● Grupo de Procesos Especiales: encargado del conocimiento judicial de todos los
conflictos que se presenten entre las partes sometidas a los acuerdos de
reestructuración de pasivos, con ocasión a la determinación de acreencias y
derecho de voto del promotor o al incumplimiento, terminación, invalidez,
inexistencia, ineficacia y posibilidad del acuerdo o de algunas de sus cláusulas,
conforme a la Ley 550 de 1999 mediante el proceso verbal sumario de única
instancia (Código de Procedimiento Civil y Código General del Proceso).
● Grupo de reorganización: Tramita los procesos de insolvencia de carácter recupera
torio de sociedades comerciales, empresas unipersonales, sucursales de sociedades
de extranjeras, personas naturales comerciantes y personas naturales no
comerciantes que estén bajo la excepción señalada en el art. 532 del código general
del proceso, conforme al régimen de la ley 1116 de 2006.
● Grupo de Acuerdos de Insolvencia en Ejecución: efectuar el seguimiento a los
acuerdos de reestructuración suscritos en virtud de la Ley 550 de 1999, los de
reorganización establecidos en la Ley 1116 de 2006 y los concordatarios, en aras
que la filosofía de dichas leyes cumplan sus fines cuáles son la protección del crédito
y la recuperación y conservación de la empresa como unidad de explotación
17 Mayor información sobre la Delegatura de procedimientos de insolvencia puede consultarla en la página
web de la superintendencia de Sociedades: http://www.supersociedades.gov.co.
26
económica y fuente generadora de empleo, preservando empresas viables y
normalizando las relaciones comerciales y crediticias.
Revisando el marco legal, podemos concluir que a pesar de no usar el término de “fracaso
empresarial” si usa términos como insolvencia y acuerdos de reorganización, pues la
finalidad de las leyes es más que regular la liquidación de una empresa y buscar que las
empresas que se encuentran mal económicamente o como se puede considerar en fracaso
empresarial, es que se les permita ofrecer mecanismos para poder recuperarse y seguir
funcionando a futuro para mantener el crecimiento económico y el bienestar de la nación.
6.4. EVALUACION DE LOS MODELOS DE PREDICCION DE FRACASO EMPRESARIAL
EN OTROS PAISES.
Como se ha comentado a lo largo de este trabajo, en Colombia aunque hay trabajos que
estudian el fracaso empresarial, no hay trabajos que realicen una evaluación o análisis de
los modelos base de predicción de fracaso empresarial de Beaver, Altman y Ohlson. Sin
embargo hay estudios de países con economías similares a la colombiana que han evaluado
modelos de fracaso empresarial aplicando a las empresas locales.
Algunos de los trabajos destacados son el de Pongsatat, Ramage & Lawrence (2004) quien
evaluó los modelos de Altman y Ohlson en empresas grandes y medianas de Tailandia. En
el desarrollo del estudio tomó 60 empresas consideradas sanas y 60 empresas consideradas
fracasadas de la Bolsa de Valores de Tailandia. Se analizaron la información financiera de
los años 1998 al 2003 cuyos resultados mostraron que el modelo de Olhson tiene una mejor
capacidad de predicción en las empresas clasificadas como sanas mientras que el modelo
de Altman obtuvo una mejor capacidad de predicción en las empresas fracasadas. El modelo
de Ohlson obtuvo una mayor precisión (superior al 70% tanto en sanas como en fracasas)
frente al modelo de Altman que a pesar de tener un poder de predicción superior al 90% en
las empresas fracasadas, el poder de predicción en las empresas sanas no fue superior al
40%.
Otro de los trabajos encontrados es el de Karamzadeh (2013) quien evaluó los modelos de
Altman y Ohlson con empresas listadas en la Bolsa de Valores de Teherán en Irán. Tomando
90 compañías de las cuales 45 fueron clasificadas como sanas y las otras 45 fueron
clasificadas como fracasas. La clasificación de las empresas sanas y fracasadas lo obtuvo con
base en el artículo 141 del Código de Comercio de Irán donde se considera una empresa es
fracasada cuando sus utilidades retenidas superan dos veces o más su capital. Los períodos
evaluados fueron del año 2007 al 2010 donde el modelo de Altman obtuvo una mejor
27
capacidad de predicción tanto para las empresas sanas como fracasadas en todos los
períodos.
En América Latina, se encuentra un estudio realizado por Vargas, J. (2014) donde evalúa los
modelos de Beaver Altman y Olhson en el sector empresarial costarricense. Para el estudio
tomó 5 empresas consideradas fracasadas, cada una perteneciente a un sector empresarial
diferente (servicios varios y comidas, hotelería, parque de aventuras, aerolínea y una
cooperativa) para aplicar los 3 modelos. Los períodos evaluados fueron del año 2007 al
2012 concluyendo que el modelo de Ohlson fue el de mejor capacidad de predicción al
determinar el fracaso en las 5 empresas analizadas. El modelo de Altman tuvo la capacidad
de predecir el fracaso empresarial en 4 y el modelo de Beaver sólo pudo predecir en 3 de
las 5 empresas evaluadas en el estudio.
Al analizar los diferentes estudios en otros países semejantes a Colombia, podemos
determinar que generalmente el análisis univariable de Beaver ya no es muy aplicado y en
los pocos casos donde se ha aplicado muestra una capacidad de predicción baja. Así mismo,
el modelo de Olhson con su regresión logística ofrece mejores resultados en los estudios
analizados que el de Altman con su análisis discriminante múltiple. No obstante, aún no
podemos concluir que el modelo de Olhson es el mejor modelo de los 3 evaluados ni
tampoco podemos asegurar que el modelo de Olhson tendrá la mejor capacidad de
predicción en Colombia. Por lo cual los resultados obtenidos podrán confirmar o poner en
discusión lo analizado en los estudios de evaluación de modelos realizados en otros países.
6.5. ANALISIS ENVOLVENTE DE DATOS (DEA).
Aunque los trabajos de investigadores colombianos generalmente toman las empresas que
se encuentran en la Ley de Insolvencia como criterio para seleccionar empresas sanas y
fracasadas, lo que se hizo con el análisis DEA fue hacer un análisis de eficiencia para
determinar una frontera o punto eficiente que permitiera por año clasificar las empresas. O
sea, para la clasificación de empresas sanas y fracasadas se aplicará el Análisis envolvente
de Datos (abreviado DEA) que permita comparar los tres modelos base para evaluar la
capacidad de predecir el fracaso empresarial. El análisis DEA es una técnica no paramétrica
que permite determinar la eficiencia relativa de un conjunto de unidades tomadoras de
decisiones (Londoño L. & Giraldo Y., 2009) conocidas como las Decision Making Unit o DMU,
formando una frontera eficiente donde las DMUs ubicados en la frontera se consideran
eficiente y los que no logran estar sobre la frontera se consideran ineficientes.
El análisis DEA se originó en la tesis doctoral de Edward Rhodes presentada en la
Universidad Carnegie Mellon con la orientación de W. W. Cooper en el año de 1978. El
objetivo de dicha tesis era evaluar los resultados de un experimento social a larga escala en
28
la educación llamado Program Follow Through aplicado en las empresas públicas
americanas. Las escuelas participantes en el Program Follow Through fueron comparadas
con escuelas que no participaron en el programa creando una medida de eficiencia que
considerada una relación entre los resultados deseados (productos) y los recursos
consumidos para obtenerlos (insumos). Entre los productos usados se encuentran las
calificaciones en algunas materias, los índices de autoestima y como insumos utilizó los
gastos por estudiantes, el número de profesores entre otros. Para calcular la eficiencia, se
utilizaron programas matemáticos basados en el Modelo CCR (por los autores Charnes,
Cooper, Rhodes) de Análisis Envolvente de Datos. Las primeras publicaciones sobre DEA
datan de 1978 y se ha venido usando para realizar análisis de eficiencia que muchos han
sido aplicados en el ámbito empresarial y también en el fracaso empresarial.
Los principales componente para el análisis DEA son:
Decision Making Units (DMU): Son las unidades evaluadas, es importante que las
unidades sean homogéneas, es decir que obtengan los mismos resultados
(productos) usando los mismos recursos (insumos) con pequeños cambios de
cantidad o intensidad.
Inputs ( Insumos): Entradas en español, son los recursos usados por los DMU para
obtener los resultados deseados, en este caso los outputs. Entre menor sea su valor
mejor.
Outputs (Productos): salidas en español, son los resultados obtenidos por los DMU
y entre mayor sea su valor mejor.
La fórmula del análisis DEA con base en el modelo CCR original según Ceretta & Niederauer,
(2000) se basa en N unidades (empresas, colegios etc.) produciendo m cantidades de
productos y a partir de n cantidades de insumos 𝑥. Una unidad 𝑘 produce las cantidades 𝑦𝑟𝑘
de productos con el uso de 𝑥𝑖𝑘 cantidades de insumos. El objetivo del análisis DEA es
encontrar un máximo indicador de eficiencia ℎ𝑘 donde 𝑢𝑟 es el peso específico que se puede
encontrar en un producto 𝑟 y 𝑣𝑖 o peso específico de cada insumo 𝑖.
Expresado matemáticamente:
𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 ℎ𝑘 = ∑ 𝑢𝑟𝑦𝑟𝑘
𝑠
𝑟=1
Sujeto a:
∑ 𝑣𝑖𝑥𝑖𝑘
𝑛
𝑖=1
= 1
29
∑ 𝑢𝑟𝑦𝑟𝑗
𝑚
𝑟=1
− ∑ 𝑣𝑖𝑥𝑖𝑗
𝑛
𝑖=1
≤ 0
𝑢𝑟, 𝑣𝑖 ≥ 0
Donde:
ℎ𝑘=indicador de eficiencia para la unidad k
𝑦𝑟𝑗= cantidad de producto (output) r producida por la unidad j
𝑦𝑟𝑗= cantidad de insumo i consumido por la unidad j
𝑦 = cantidad de productos; 𝑥 = cantidad de insumos; 𝑢, 𝑣 = pesos
𝑟 = número de productos = 1,…,𝑚; 𝑖 = número de productos = 1……,𝑛
𝑗 = número de empresas = 1,…,𝑁
El resultado es un valor entre 0 y 1, donde 1 muestra la mayor eficiencia posible y 0 la menor
eficiencia. También la fórmula nos indica que los insumos y productos deben ser mayores o iguales
a 0.
Para motivos del trabajo y después de realizar el análisis se buscará obtener el punto de máxima
eficiencia entre los modelos. Sin embargo, es bueno comprender el error tipo 1 y error tipo 2. El
error tipo 1 se comete cuando se clasifica una empresa quebrada como sana y el error tipo 2 Se
comete cuando se clasifica una empresa sana como quebrada. Es importante determinar el impacto
sobre el resultado de los tipos de errores y buscar un punto de corte que minimice los dos errores.
30
7. ENFOQUE METODOLOGICO
El trabajo tiene como finalidad evaluar la capacidad de predicción de los modelos de fracaso empresarial de Beaver, Altman y Ohlson en el sector manufacturero colombiano para el período 2010 al 2014. Cada modelo tiene una metodología de análisis estadístico diferente.
7.1. TIPO DE LA INVESTIGACION
Según Hernández Sampieri (2010) las investigaciones pueden ser de tres enfoques: cuantitativa, cualitativa y mixta. El enfoque cuantitativo usa la recolección de datos para probar hipótesis, con base en la medición numérica y el análisis estadístico para establecer patrones de comportamiento y probar teorías. El enfoque cualitativo utiliza la recolección de datos sin medición numérica para descubrir o afinar preguntas de investigación en el proceso de interpretación y el mixto es la combinación del enfoque cuantitativo y cualitativo. Observando los objetivos y la finalidad del trabajo, se aplica el enfoque cuantitativo ya que por medio de datos y muestras, en este caso la información contable e indicadores financieros calculados de las empresas manufactureras, se determinó si los modelos elegidos tienen la capacidad de predecir el fracaso empresarial en las empresas del sector manufacturero colombiano. Al determinar el tipo de enfoque que en este caso es completamente cuantitativo, Hernández Sampieri (2010) considera que la investigación cuantitativa posee cuatro tipos de alcances, los cuales son exploratorios, descriptivos, correlacionales y explicativos. El alcance exploratorio se usa cuando el objetivo consiste en examinar un tema poco estudiado. El alcance descriptivo busca especificar propiedades, características y rasgos importantes de cualquier fenómeno que se analice y describe tendencias de un grupo o población. El alcance correlacional asocia variables mediante un patrón predecible para un grupo o población. Por último, el alcance explicativo pretende establecer las causas de los eventos, sucesos o fenómenos que se estudian. Con base en los alcances de la investigación cuantitativa y la finalidad del trabajo se puede clasificar dentro del enfoque cuantitativo y el alcance descriptivo. Ya que primero se busca definir en base a la bibliografía un concepto de fracaso empresarial y describir las características de cada uno de los modelos de predicción que se evaluarán (Beaver, Altman, Ohlson). Posteriormente y mediante la información financiera del sector manufacturero colombiano, aplicarlo en los tres modelos base para evaluar los resultados de cada modelo.
31
7.2. DISEÑO DE LA INVESTIGACION
Los diseños de la investigación se pueden considerar como el plan o estrategia que se desarrolla para obtener la información que se requiere en una investigación. Según Hernández Sampieri (2010) los diseños de investigación pueden ser experimentales o no experimentables. Para los objetivos y finalidades del trabajo el diseño es no experimental. Así mismo los diseños no experimentales pueden ser transaccionales o transversales, en que se recolectan datos en un único momento y longitudinales o evolutivos, cuando se analiza con cambios de los datos a través del tiempo. Así mismo existe relación entre los diseños de la investigación y el análisis de la investigación. Al analizar el marco teórico, los objetivos del trabajo, las actividades a realizar y después de determinar la investigación como cuantitativa descriptiva, se considera que el trabajo es de diseño no experimental longitudinal, ya que con base en las fórmulas establecidas por los autores en cada modelo se determinarán los resultados. Así mismo los datos de estudio que en el caso del trabajo es la información contable y financiera de las empresas manufactureras del año 2010 al 2014, que serán evaluadas a través de los 5 años para cada uno de los modelos de Beaver, Altman y Ohlson, que lo ubica como diseño longitudinal de panel.
32
8. DESARROLLO DEL TRABAJO
8.1. SELECCIÓN DE LA MUESTRA
La muestra fue tomada de la base de datos del SIREM que se encuentra en el portal web de la Superintendencia de Sociedades. Dicha base de datos, contiene la información financiera reportada por todas las personas naturales y jurídicas que se encuentran vigiladas o inspeccionadas por la Superintendencia de Sociedades a 31 de diciembre de cada año18. Se obtienen los datos de Balance General, Estado de resultado y Estado de Flujos de Efectivo reportados por las empresas para los años 2008, 2009, 2010, 2011, 2012, 2013 y 2014. Aunque la aplicación y evaluación de los modelos sólo se tomó la información del año 2010 al 2014, también se tendrá en cuenta la información del 2008 y 2009 ya que en el modelo de Ohlson posee variables t-2 que exigen información de dos años antes al período que se aplica el modelo. De la base de datos total del SIREM, se hizo la depuración de la muestra a aplicar los modelos, como base se tomó información reportada al 2014. El proceso de depuración fue el siguiente:
Selección empresas del sector manufacturero: De la base de datos del SIREM se seleccionaron solamente las empresas catalogadas como “INDUSTRIAS MANUFACTURERAS”. De las 26.611 empresas reportadas en la base de datos del SIREM, 4.167 corresponden al sector manufacturero.
Selección de las cuentas contables a tener en cuenta para los modelos: Con base en la fundamentación teórica y el esquema de las fórmulas de cada uno de los modelos de predicción, se dejaron las cuentas que fueron relevantes para el modelo, eliminando las demás cuentas que no harán parte ni en el cálculo de indicadores como en la aplicación del modelo.
Verificación de empresas con información completa años 2008 al 2014: Con las empresas catalogadas como “INDUSTRIAS MANUFACTURERAS”, se procedió a verificar que hayan reportado información a la Supersociedades desde el 2008 al 2014, de modo que las empresas que hay información incompleta sean eliminadas y no afecten los resultados en la aplicación y posterior evaluación de los modelos. De las 4.167 empresas catalogadas como industrias manufactureras, se excluyeron 1.557 empresas que no reportaron información completa entre los años 2008 al 2014. Quedando la muestra en 2.610 empresas.
18 Cabe aclarar que la información reportada en el SIREM es realizada bajo los principios de Contabilidad Generalmente aceptados en Colombia con base en el Decreto 2649 y 2650 de 1993. Si bien en el Decreto 2784 de 2012 decretó la aplicación de las Normas Internacionales de Información Financiera NIIF se hizo la separación entre 3 grupos aplicándose planamente la información NIIF para el 31 de Diciembre de 2016 en todos los grupos. Por lo cual, no se maneja información bajo NIIF en este trabajo.
33
Verificación de datos con valor $ 0: Teniendo en cuenta que los modelos de predicción usan indicadores financieros, hay que verificar las cuentas base de dichos indicadores que cumplen como denominador en cada uno de las fórmulas no sean iguales a cero ($ 0) ya que de ser así afecta la aplicación de los modelos. Revisando los tres modelos, encontramos que las cuentas de Activo Corriente, Activo Total, Pasivo Corriente, Pasivo Total e Ingreso Neto son las que afectarían el modelo si tienen un valor cero ($0). De las 2.610 empresas que reportaron información completa entre el 2008 y 2014, 51 empresas poseen valor cero en las cuentas anteriormente enunciadas, por lo que la muestra queda definida en 2.559 empresas que será la muestra final para la aplicación de los modelos.
8.2. CLASIFICACION DE EMPRESAS SANAS Y FRACASADAS Uno de los aspectos muy considerables a tener en cuenta para el trabajo, fue la clasificación de cuales empresas se catalogarán como sanas y cuales se encontrarían fracasadas para poder evaluar los modelos. De la muestra final de 2.559 empresas hay que determinar cuáles corresponde a cada estado para luego aplicar y evaluar el modelo. El principal método que han usado los autores colombianos para seleccionar las empresas sanas y fracasadas en Colombia han sido las empresas acogidas a la Ley 1116 de 2016 o Ley de insolvencia empresarial, donde las empresas con problemas se cogen a dicha ley para establecer un proceso de reorganización y así recibir un tratamiento especial que le permita salir de su situación o de lo contrario ser liquidada. Revisando las 2.559 empresas se encontraron que 10 empresas se encuentran bajo la Ley 1116 de 2006 desde antes del año 2010, lo que equivale al 0,39% del total de la muestra. Este criterio de selección tiene sus inconvenientes ya que la proporción de las empresas sanas es muy alta. Reducir la muestra a 10 empresas sanas y 10 fracasadas no sería un buen indicador para evaluar correctamente la capacidad predictiva de los modelos de predicción. Así mismo hay empresas que pueden tener problemas y no se han acogido a la Ley 1116 del 2006 por lo que erróneamente serian catalogadas como sanas siendo fracasadas y afectar negativamente en la evaluación de los modelos de predicción.
Para poder mejorar la selección, se hará mediante Análisis Envolvente de Datos (Data Envelopment Analyis - DEA) para establecer una frontera eficiente que permita clasificar de una mejor manera las empresas sanas y fracasadas. Para el análisis DEA se calcularon 18 indicadores con base en el trabajo de Romero (2013) donde elabora una lista con los indicadores que más se emplean en los modelos de fracaso empresarial. En la Tabla 5 se encuentran los indicadores usados para el Análisis DEA. Es decir, aunque los trabajos de investigadores colombianos generalmente toman las empresas que se encuentran en la Ley de Insolvencia como criterio para seleccionar empresas sanas y fracasadas, lo que se hizo con el análisis DEA fue hacer un análisis de eficiencia para determinar
34
una frontera o punto eficiente que permitiera por año clasificar las empresas sanas y fracasadas y minimizar los errores tipo 1 y 2.
En el análisis DEA, se requiere establecer los DMU (Decision Making Units), los inputs (entradas, insumos) y outputs (salidas, productos). Casa Nova & Onusic (2005) describen los DMU como las unidades a evaluar. En nuestro caso con las empresas manufactureras colombianas quienes esperan obtener los mismos resultados (producto) usando los mismos recursos (insumos) con una pequeña variación de cantidad o intensidad. Los inputs o entradas son los recursos utilizados por los DMU para obtener los resultados deseados, entre menor sea el valor mejor. Los outputs o salidas son los resultados obtenidos por los DMU, es decir los valores observados, entre mayor sea el valor mejor.
Para hacer el análisis DEA se toman los Números de Identificación Tributaria (NIT) como los DMU y se clasifican los 18 indicadores propuestos como inputs y outputs. El criterio para clasificar un indicador como input u output se estableció con base en la definición expuesta en el punto 6.5 del marco teórico. La clasificación final se detalla en la Tabla 5.
Tabla 5: Clasificación de los Indicadores propuestos para el Análisis DEA
INDICADOR COD. DEA CLASIFICACION
Utilidad neta / Total activos IND1 Output
Activo corriente / Pasivo corriente IND2 Output
Capital de trabajo / Total activo IND3 Output
Utilidades retenidas / Total activo IND4 Output
(Utilidades antes de impuestos e intereses) / Total activo IND5 Output
Total obligaciones financieras / Total activo IND11 Input
Disponible / Total activo IND12 Output
Cash Flow Operativo / Total activo IND13 Output
Cash Flow Operativo / Total pasivo IND14 Output
Pasivo a corto plazo / Total activo IND15 Input
Cash Flow Operativo / Total obligaciones IND16 Output
Activo corriente / Ventas IND17 Output
Inventarios / Ventas IND18 Output
Fuente: Elaboración Propia
35
El programa usado para poder realizar el Análisis DEA fue MaxDEA Basic 6.9 y se realizó para todos los períodos de evaluación. Los resultados obtenidos fueron analizados y se estableció el punto máximo de eficiencia y donde se minimizan los errores tipo I y II para cada uno de los años analizados. Este punto será el que clasifique a las empresas sanas y fracasadas, en la Tabla 6 se muestran los resultados y la clasificación de las empresas para hacer evaluar los resultados obtenidos por los modelos de predicción de fracaso empresarial.
Tabla 6: Clasificación de las empresas sanas y fracasadas de acuerdo al análisis DEA
CLASIFICACION DEA AÑO DE ANALISIS
2014 2013 2012 2011 2010
PUNTO MAX EFICIENCIA 0,0391 0,0651 0,0508 0,0428 0,0451
FRACASADA 1.024 1.299 1.023 1.640 1.094
SANA 1.535 1.260 1.536 919 1.465
Total 2.559 2.559 2.559 2.559 2.559
Fuente: Elaboración Propia El resumen estadístico de los datos usados para realizar el análisis DEA y sus resultados lo pueden revisar en el Apéndice 4 y 5 al final del trabajo.
8.3. APLICACIÓN DE LOS MODELOS DE PREDICCION
Las empresas seleccionadas para la muestra se les aplicaron los tres modelos de predicción de fracaso empresarial (Beaver, Altman y Ohlson). Tomando la base de datos del SIREM depurada, se determinaron que cuentas de los estados financieros se requieren para la aplicación de cada uno de los modelos. Como los tres modelos utilizan indicadores financieros se calculan los indicadores en una hoja de cálculo. Posteriormente se va haciendo la aplicación de cada una de las fórmulas de cada modelo para obtener el resultado.
Las fórmulas usadas para cada modelo se determinaron de la siguiente manera:
Modelo de Beaver: Al ser un análisis univariable se toma la fórmula Flujo de Efectivo/Pasivo Total19 el cual es el indicador que obtuvo mejores resultados en la determinación del fracaso empresarial en el trabajo de Beaver (Somoza A. & Vallverdú J., 2009). También es conocido como el Ratio de Beaver. Las empresas que presenten un ratio de Beaver por debajo de 0.3 se determina como empresa fracasada20.
19 Para Beaver (1966), el flujo de efectivo es: Utilidad Antes de Impuestos – depreciaciones - amortizaciones - provisiones. 20 El límite de 0.3 ó 30% fue propuesto por Cárdenas T. Magister en Dirección Financiera de la Insead Business School tomando como referencias bibliográficas a Hidalgo (2011) y Somoza & Vallverdú (2009).
36
Modelo de Altman: Para el modelo de Altman, se tomó como fórmula el Z-Score con base el modelo actualizado en Altman & Hotchkiss (2006), el cual es un modelo propuesto para economías emergentes.
Modelo de Ohlson: Se aplicó el modelo de O-Score y la fórmula P propuestos por Ohlson (1980) donde un valor superior a 0.5 es alta probabilidad de fracaso.
Los resultados se muestran en la tabla 721:
Tabla 7: Resultados de la aplicación de los modelos de predicción de fracaso empresarial
Observando la Tabla 7, el modelo de Beaver muestra que más del 80% de las empresas manufactureras se encuentran fracasadas, lo cual muestra síntomas que el análisis univariable del modelo de Beaver se encuentra desactualizado y el indicador de flujo de caja sobre pasivos no es un indicador que pueda predecir el fracaso empresarial en el sector manufacturero colombiano. En cambio, el modelo de Ohlson muestra que menos del 5% de las empresas analizadas se encuentran fracasadas, mientras que el modelo de Altman nos dice que en promedio el 10% de las empresas manufactureras se encuentran fracasadas frente a un promedio del 70% de empresas sanas y un 20% de empresas en zona gris.
Algo que es interesante observar de la Tabla 7 es que en los años 2012 al 2014 hubo un incremento en la cantidad de empresas fracasadas en los tres modelos analizados. En la parte introductoria de este trabajo se comenta que hubo acontecimientos que afectaron al sector manufacturero. Hay que tener en cuenta que el TLC con Estados Unidos inició en el año 2012 aunque plenamente muchas empresas se vieron afectadas al año siguiente, así como la devaluación del dólar que fue más fuerte a finales del año 2012 pero sus efectos en las exportaciones e importaciones fueron más notorios en los años siguientes, por lo cual los
21 El resumen estadístico de los resultados de los Tres modelos para loa años evaluados, lo pueden encontrar en el Apéndice1, 2 y 3.
37
modelos en ese sentido si reflejan que los acuerdos comerciales y la volatilidad del dólar si inciden en el fracaso empresarial.
Aunque los modelos aplicados directamente en la muestra pueden determinar que empresas son sanas, están en riesgo o se encuentran fracasadas. Es necesario comparar los resultados de la aplicación de los modelos con la clasificación de empresas sanas que se determina por medio del análisis DEA para evaluar su capacidad de predecir el fracaso empresarial.
8.4. RESULTADOS
En la Tabla 7 se muestran los resultados que revelan los modelos de predicción de fracaso empresarial en las empresas evaluadas. Sin embargo, el objetivo de este trabajo es evaluar la capacidad de predicción del fracaso empresarial en los modelos de Beaver, Altman y Ohlson. Por lo cual, debemos comparar los resultados obtenidos en la Tabla 7 con la clasificación de empresas sanas y fracasadas por medio del análisis DEA y cuyos datos se muestran en la Tabla 6. Los porcentajes de acierto en cada modelo se determinan con base en la clasificación de sanas y fracasadas donde haya coincidencia entre el modelo y la clasificación obtenida en el análisis DEA. Los resultados de los aciertos se reflejan en la Tabla 8.
Tabla 8: Resultados de evaluación de los modelos de predicción por porcentaje de acierto
TIPO DE MODELO
CLASIFICACION PORCENTAJE DE ACIERTO POR AÑO DE APLICACIÓN
2014 2013 2012 2011 2010
Modelo de Beaver
FRACASADAS 97,26% 95,38% 96,38% 91,45% 95,41%
SANAS 26,37% 28,97% 27,39% 51,15% 26,82%
Modelo de Altman
FRACASADAS 61,49% 17,71% 17,22% 12,89% 19,08%
SANAS 100,00% 91,75% 86,86% 91,11% 85,64%
Modelo de Ohlson
FRACASADAS 8,31% 5,39% 4,60% 3,18% 5,14%
SANAS 98,44% 97,78% 98,63% 97,94% 98,43%
De acuerdo a la Tabla 8, el modelo de Beaver predijo correctamente las empresas fracasadas en más del 90% para los 5 años evaluados aunque tiene muy bajos porcentajes de predicción en las empresas sanas. Sin embargo, al aplicar el modelo a las empresas manufactureras nos señala que más del 80% de las empresas evaluadas fueron clasificadas como fracasadas por lo que la probabilidad de acierto es muy alta, pero el modelo se considera desactualizado y no es un buen indicador de predicción del fracaso empresarial.
Con respecto al modelo de Altman, muestra un nivel de acierto muy alto para las empresas sanas, siendo del 100% en el año 2014 y manteniéndose por encima del 85%. Sin embargo, los
38
niveles de acierto en empresas fracasada están por debajo del 20% con excepción del 2014 que fue del 61,49%. Esto podría reflejar que con los nuevos escenarios que se enfrentará el sector manufacturero en los próximos años, el modelo de Altman podría ser un buen modelo de predicción de fracaso empresarial para el sector manufacturero. No obstante, para la delimitación temporal que se aplicó en este trabajo, el modelo de Altman no tiene capacidad de predicción para las empresas fracasadas.
Por otro lado, el modelo de Olhson muestra unos niveles de aciertos por encima del 90% para las empresas sanas, por lo que es un buen predictor para las empresas sanas. Pero no es un buen predictor para empresas clasificadas como fracasadas ya que en ninguno de los períodos evaluados superan el 10% de acierto.
Al analizar los resultados, alguno de los tres modelos tiene buena capacidad de predicción en alguna de las dos clasificaciones, pero en la otra clasificación muestra niveles de aciertos considerablemente bajos. Ninguno de los 3 modelos evaluados tuvo niveles de aciertos altos tanto para empresas sanas y fracasadas.
39
9. CONCLUSIONES
En este trabajo se propuso evaluar los tres modelos de predicción más conocidos y que para muchos autores son los modelos base en la predicción del fracaso empresarial. Si bien se pudo haber propuesto un nuevo modelo predicción aplicable para las empresas manufactureras colombianas, consideré evaluar antes los modelos de predicción de fracaso existentes para determinar si aún poseen la capacidad de predicción del fracaso empresarial. Después de evaluar y analizar los resultados, se pueden considerar que los tres modelos no poseen una capacidad plena de predecir el fracaso empresarial en el sector manufacturero colombiano. Si bien, el modelo de Altman y Ohlson mostraron tener una buena capacidad de predicción para las empresas sanas, no lo fue similar a las empresas clasificadas como fracasadas. El modelo de Beaver mostró mejor capacidad de predicción en las empresas fracasadas, pero tampoco mostró una buena capacidad de predicción para las empresas sanas.
Si comparamos los resultados obtenidos con los estudios similares realizados por Karamzadeh (2013), Pongsatat, Ramage & Lawrence (2004) y Vargas (2014), se observa que alguno de los modelos tuvo un nivel de acierto alto tanto paras las sanas como las fracasadas. Sin embargo, el caso colombiano no muestra el mismo comportamiento que en los demás trabajos realizados. Es posible justificar que el período evaluado, la normatividad contable o el entorno macroeconómico de cada país pueden incidir en los resultados de cada estudio. Sin embargo este podría ser otro tema de estudio en un futuro trabajo.
Al finalizar este trabajo, ya podemos determinar que es necesario establecer un nuevo modelo de predicción de fracaso empresarial para el sector manufacturero colombiano. Este nuevo modelo puede estar basado en el modelo de Altman quien mostró mejores resultados frente a los tres modelos. Sin embargo, queda a disposición de nuevos autores e investigadores determinar el tipo de análisis para el nuevo modelo. Así mismo, y con base en los resultados del modelo de Altman para el año 2014, se puede considerar en los próximos años realizar una nueva evaluación de los modelos de predicción teniendo en cuenta que para el 2014 se está empezando a reportar información financiera con base en las normas internaciones de contabilidad y dicha adaptación pueda ofrecer mejores niveles de acierto en la predicción del fracaso empresarial.
Por último, es bastante importante seguir con el estudio sobre modelos de predicción de fracaso empresarial en Colombia. Sería relevante hacer una evaluación de los modelos colombianos existentes y si se establecen nuevos modelos de predicción, que haya una posibilidad de seguirlos actualizando y mejorando para obtener mejores resultados en la capacidad de predicción. Hay mucho por investigar en Colombia y este trabajo sea una referencia, así como los trabajos de Romero (2013) y de los modelos planteados por autores colombianos para seguir estudiando y analizando el fracaso empresarial en el sector empresarial colombiano del Siglo XXI.
40
10. BIBLIOGRAFIA
Altman, E. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, XXIII, 589–609. http://doi.org/10.2307/2978933 Altman, E., Hotchkiss, E. (2006). Corporate Financial Distress and Bankruptcy. (3 ed.). New Jersey: John Wiley & Sons, Inc. Amat, O., Pujadas P. & Lloret P. (2012). Análisis de Operaciones de Crédito. Editorial Profit. Beaver, W. (1966). Financial Ratios as predictor of failure. Journal of Accounting Research, 4, Empirical Research in Accounting: Selected Studies. 71-111. http://wwwjstor.org/stable/2490171 Beaver. (1968). Alternative Accounting Measures as Predictors of Failure. The Accounting Review, 43(1). 113–122. http://doi.org/Article Berrío, D., Cabeza, L. (2003). Verificación y Adaptación del modelo de ALTMAN a la Superintendencia de Sociedades de Colombia. Pensamiento y Gestión, (15): 26-51. Cartilla Nuevo Régimen de Insolvencia Empresarial Ley 1116 de 2006. Ministerio de Comercio, Industria y Turismo, Superintendencia de Sociedades. Castro, J., Camacho, M. (2008). Modelo de alerta temprana para predecir la insolvencia empresarial en el sector real colombiano. Empresas colombianas: actualidad y perspectivas, 237-259. Casa Nova, S., Onusic, L. (2005). Mapeamento dos estudos sobre a utilização de Análise por Envoltória de Dados (DEA) na previsão de insolvencia. Unb Contábil – Jan/Jun 2005. Hernández Sampieri R., Collado C., Baptista M. (2010). Metodología de la Investigación. 5ta Edición. Mc Graw Hill. Mexico D.F. Herrera, J. (2009). La Información: Principio y elemento esencial en el régimen de insolvencia en la República de Colombia. Empresas colombianas: actualidad y perspectivas, 149-168. Hidalgo, A. (2011). Ratios Multivariables. Clase Ejecutiva Editorial, S.L. Karamzadeh (2013). Application and Comparison of Altman and Ohlson Models to Predict Bankruptcy of Companies. Research Journal of Applied Sciences, Engineering and Technology, 5 (6), 2007-2011 Londoño, L. & Giraldo, Y. (2009). Análisis Envolvente de Datos -DEA-: Una aplicación al sector de telecomunicaciones de países de medianos ingresos. Ecos de Economía, Universidad EAFIT, 13 (28): 53-73. Martínez, O. (2003). Determinantes de Fragilidad En Las Empresas Colombianas. Borradores de Economía, (259). 1-24. Ohlson, J. A. (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 18(1): 109–131. http://doi.org/10.2307/2490395 Pérez, J., González, K., Lopera, M. (2013). Modelos de predicción de la fragilidad empresarial: aplicación al caso colombiano para el año 2011. Perfil de Coyuntura Económica, (22), 205-228. Pongsatat, Ramage & Lawrence (2004). Bankruptcy Prediction for Large and Small Firms in Asia: A Comparison of Ohlson and Altman. Journal of Accounting and Corporate Governance, 1(2). Rosillo, J. (2002). Modelo de predicción de quiebras de las empresas colombianas. Revista de Ciencias Administrativas y Sociales INNOVAR, 19: 109-124.
Romero, F. (2013). Alcances y limitaciones de los modelos de capacidad predictiva en el análisis del fracaso empresarial, Revista AD-minister, (23): 45-70. Romero, F. (2013). Variables Financieras determinantes del fracaso empresarial para la pequeña y mediana empresa en Colombia: análisis bajo modelo Logit. Revista Pensamiento & Gestión, Universidad del Norte, (34): 235-278. Santos, A. & Casa Nova, S. (2005). Proposta de um modelo estructurado de análise de demonstrações contábeis. RAE-eletrônica, 4 (1). Somoza-López, A., & Vallverdu-Calafell, J. (2009). Una comparación de la selección de los ratios contables en los modelos de predicción de la insolvencia empresarial. Economía Industrial (Ejemplar Dedicado a: Productividad, Eficiencia Y Resultados Empresariales En La Industria), (373), 153–168. Vargas, J. (2014). Modelos para la prevención de Bancarrotas Empresariales utilizados por el Sector Empresarial Costarricense. Tec Empresarial, 7 (3): 43-49. Vargas, J. (2014). Modelos de Beaver, Ohlson y Altman: ¿Son realmente capaces de predecir la bancarrota en el sector empresarial costarricense?. Tec Empresarial, 8 (3): 29-40. Villamil, H. (2004). Modelos multivariados para la predicción de insolvencia empresarial una aplicación al caso colombiano. Bogotá. Universidad Piloto de Colombia.
42
11. APENDICE
Apéndice 1: Resumen estadística descriptiva de los resultados del modelo de Beaver
Moda No Disp. No Disp. No Disp. 36,7357 No Disp. No Disp. No Disp. No Disp. 1,0000 No Disp. 0,0000 0,0000 2,4529 56,3211 No Disp. 18421,1970 No Disp. 0,0000
Moda No Disp. No Disp. No Disp. 7,3651 No Disp. No Disp. No Disp. No Disp. 1,0000 No Disp. 0,0000 0,0000 2,0198 7,1961 No Disp. 2338,0600 No Disp. 0,0000
Moda No Disp. No Disp. No Disp. 12,8793 No Disp. No Disp. No Disp. No Disp. 1,0000 No Disp. 0,0000 0,0000 No Disp. No Disp. No Disp. 2211,0632 No Disp. 0,0000
Moda No Disp. No Disp. No Disp. 15,6224 No Disp. No Disp. No Disp. No Disp. 1,0000 No Disp. 0,0000 0,0000 No Disp. No Disp. No Disp. 74085,2500 No Disp. 0,0000
Moda No Disp. No Disp. No Disp. 9,8402 No Disp. No Disp. No Disp. No Disp. 1,0000 No Disp. 0,0000 0,0000 No Disp. No Disp. No Disp. 87919,3333 No Disp. 0,0000